高填方地基的蠕变沉降计算方法

高填方地基的填方体量大、填方高度高的特征决定了高填方地基具有较大的工后沉降,可能会影响工程的实际应用,研究高填方地基工后沉降的计算方法对于控制工后沉降具有重要意义。蠕变沉降是高填方地基工后沉降的重要组成部分,试验表明,土的蠕变变形主要受时间和应力历史等因素影响。基于考虑时间效应的统一硬化模型,以瞬时正常压缩线为参考线,引入弹性瞬时压缩线,建立了可以同时考虑时间和应力历史影响的高填方地基一维蠕变沉降计算方法,并对室内试验进行了计算,计算结果与试验结果基本一致。所建计算方法所用参数除一个参数外其余都为常见参数,而新参数可以通过常规试验确定,该计算方法便于工程应用。     

地基沉降最优组合预测模型及其应用

本文介绍了一种建立最优组合预测模型的方法，并将其用于地基沉降预测。与简单预测模型对比，误差最小。     

基于灰色理论和BP神经网络的季冻区草炭土路基沉降预测模型研究

随着北方交通工程建设范围的不断扩大,很多高速公路不可避免地穿越草炭土分布区。季冻区草炭土具有高含水率,高有机质,低分解度等特殊工程地质性质,使沉降预测的理论计算误差较大不能满足实际工程需求。本文首先分析了季冻区草炭土路基沉降机理的特殊性,以此提出了优化的灰色沉降预测模型和二维-双隐层BP神经网络沉降预测模型。两种沉降预测模型不仅考虑了草炭土本身复杂的工程地质性质、北方地区季冻情况对土体自然沉降的影响,还引入了填筑情况等工程因素对路基沉降量的深度学习。以长白山吉林到延吉高速公路草炭土路基沉降实际监测数据为例,将两种模型拟合及预测结果进行对比分析,结果表明两种模型的拟合预测精度均较高,并且各有优势,由此本文对该类工程中两种预测模型各自的特点进行了总结,为北方地区草炭土路基沉降多因素预测模型的研究提供一定参考价值。     

黄土高填方场地工后沉降预测模型性能评估方法

工后沉降预测结果是黄土高填方场地变形稳定性评价和建筑物规划布局的重要参考依据。为遴选适合黄土高填方场地的工后沉降预测模型,基于某典型黄土高填方工程的实测沉降数据,分析了工后沉降曲线的变化规律和发展趋势,建立了17种回归参数模型,提出了模型预测效果的评价指标和方法。结果表明：（1）该工程填方区工后沉降历时曲线呈“缓变型”变化,土方填筑完工初期无陡增段,随时间增加沉降速率逐步降低,尚未出现沉降趋于稳定的水平段;（2）将外推预测误差、内拟合误差和后验误差比最小化作为综合控制目标,可遴选出理想的回归参数模型;（3）MMF模型（Ⅱ型）和双曲线模型具有较高的预测精度、较好的稳定性和较强的适应性,在17种模型中的预测效果最佳;（4）沉降数据的变化越平稳,模型预测效果越好;（5）增大建模数据的时间跨度,会提升预测精度,但增大至一定值后,预测精度提升效果不再显著。     

昆明新机场高填方地基沉降的二维数值模拟

昆明新机场地处岩溶发育地区,工程地质条件复杂,地基沉降问题突出.结合工程地质勘察资料,分析机场T1区地基沉降问题.结合实际地质模型建立该区跑道计算模型,分析该区跑道填方地基的沉降规律.实际监测数据表明,根据数值模拟结果进行的施工达到很好的效果.     

地基沉降预测模型的正则化算法

通过分析地基沉降预测模型,指出最小二乘的病态性会导致模型参数求解失败。应用正则化理论,基于矩阵求逆理论,提出了一种沉降预测模型参数的正则化无偏估计算法,说明了新算法的无偏性和方差最小性。在一定条件下,证明了新算法中正则参数的存在性,并给出了正则参数的计算公式。结合文献和工程实例进行的分析表明,新算法降低了矩阵条件数,减轻矩阵病态程度,能有效求得地基沉降预测模型参数。     

高填方地基粘弹性参数反演及工后沉降分布规律预测

云南巧家高填方工程场地地形崎岖,高差悬殊,存在工后沉降量大以及不均匀沉降等问题,而传统沉降预测方法因忽略参数差异性问题不能准确预测高填方场地工后沉降。基于云南巧家高填方工程30组实测沉降数据,采用粘弹性模型、指数模型和双曲线模型三种方式进行工后沉降预测,结果显示粘弹性模型对于高填方沉降预测精度明显优于其他两种模型。基于粘弹性模型预测了云南巧家高填方工程工后沉降分布规律,探明了最大沉降速率和最终沉降的分布区域,为后续开展工程措施提供了合理的科学依据。通过粘弹性本构模型参数反演发现云南巧家高填方工程回填材料的压缩模量和粘滞系数均呈现显著的空间差异性,若不考虑参数空间差异性将会导致预测结果产生显著的误差。基于此提出了高填方场地考虑参数变异性的分区计算方法,该方法不仅能够减少整个高填方场地计算参数,并且能够有效提升预测结果精度,从而满足工程需求。     

利用灰色理论对地基沉降进行不等时距预测

应用灰色理论 ,建立了不等时距的地基沉降预测GM ( 1 ,1 )模型 ,并可对结果进行修正。利用该模型对某 1 2层住宅地基沉降进行预测 ,预测结果精度高于常采用的双曲线模型推算结果。     

软土地基工后沉降预测模型的研究

预测工后沉降是高速公路所要解决的主要问题之一。指数曲线法和双曲线法是以往常用的分析方法。但实践表明,前者推算的结果常常偏小,而后者推算的结果又常常偏大。文中提出了一种反映沉降速率与沉降半立方非线性关系的双曲型曲线预测模型。理论分析和实例预测结果表明,该模型的预测值更接近实测值,预测结果的可靠度更高。     

桩基沉降量的灰色预测

利用实测的桩基静载试验数据 ,用灰色系统理论建立桩基沉降量的灰色GM(1,1)预测模型 ,可以模拟桩基静载试验P s曲线的未知部分。研究结果表明 ,建立的GM(1,1)模型可有效预测桩基沉降量 ,对进一步分析桩基的承载性能有理论与实际意义。     

神经网络技术在路堤沉降预测中应用探讨

针对传统的BP网络模型的不足，应用了改进的BP神经网络模型，把它应用到软基高速公路的路堤沉降预测中，提出了两种构造神经网络训练样本的思路，并分别进行了计算和对比，指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快，而且根据时间与对应的沉降量形成的样本训练的网络预测出的工后沉降误差小、精度高。     

改进灰色模型对路基沉降预测的应用研究

讨论了灰色系统理论在路基沉降预测中的应用 ,并对等间隔的灰色模型GM(1,1)进行了改进 ,建立了任意间隔的非时序改进灰色模型。通过具体工程实践 ,给出了两种模型对路基沉降量预测结果与实测结果的比较 ,表明改进灰色模型的预测沉降量与实际沉降量更接近 ,精度更高 ,更能满足工程需要     

高速公路软土路基沉降量的人工神经网络预测

针对高速公路建设中广泛存在的软土路基最终沉降量预测这一迫切需要解决的技术难题,提出了改进的BP神经网络预测模型,并归纳出影响软土路基沉降量的主要因素.通过对模型的建立、训练和验证,以及与其他方法的对比表明,改进的BP神经网络模型在非线性建模方面具有泛化性强、计算精度高、操作简便的独特优势,具有广阔的工程应用前景.     

改进灰色模型对路基沉降预测的应用研究

讨论了灰色系统理论在路基沉降预测中的应用,并对等间隔的灰色模型GM（1,1）进行了改进,建立了任意间隔的非时序改进灰色模型。通过具体工程实践,给出了两种模型对路基沉降量预测结果与实测结果的比较,结果表明改进灰色模型的预测沉降量与实际沉降量更接近,精度更高,更能满足工程需要。     

基于PSO-BP神经网络的基坑周边地面沉降预测方法研究

基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以PSO-BP神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现：二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用PSO-BP神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明：优化后的PSO-BP神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。     

软基沉降的BP神经网络和灰色系统联合预测

使用BP神经网络插值方法对灰色数据进行了预处理,进而建立了预测软基沉降量的BP神经网络和灰色系统联合模型.实例分析表明,该模型短期沉降预测结果的最大相对误差小于2%,最终沉降预测结果的相对偏差小于5%,且灰色预测时取后期沉降瘦导颇算结果准确度高于取前期沉降数据的计算结果准确度.     

用Winkler地基模型估算地基沉降

通过对照计算,讨论选用较合理的基床系数,用Winkler地基模型估算地基沉降     

基坑开挖地表沉降模型适用性研究

基坑开挖引起的地表沉降对周边建筑物的安全造成了一定的威胁,在已有大量实测数据分析的基础上,提出了一种新的数学函数模型,并结合模型函数性质提出了基于最大沉降量Smax和沉降范围r的沉降模型表达式,结合相关工程实例中的数据分析,证明该模型对基坑开挖引起的地表沉降规律有着较好的适用性,将该模型与其他类似的模型进行了对比.研究成果可为相关基坑工程开挖引起的地表沉降的预测和控制提供参考.     

基于灰色理论的真空堆载预压分层沉降预测

对真空堆载预压加固处理的软土地基,用灰色理论模型预测地基的分层沉降,结果表明：对于土层分布均匀的地基,verhulst模型能较准确地预测分层沉降,误差在10％以内。对于土层分布不均匀的地基,verhulst模型预测误差较大,进行残差修正,修正的verhulst模型能较准确地预测分层沉降。用不同点数预测地基的分层沉降,同实测沉降数据对比发现、对于土层均匀或不均匀的软土地基,在已知真空影响范围外土层的沉降时,灰色模型就能较准确地预测分层沉降。